ເອກະສານ API

ລວມເອົາ Speech to Speech AI ເຂົ້າໃນການ ປະຕິບັດງານຂອງທ່ານດ້ວຍ REST API ທີ່ງ່າຍດາຍ.

ເລີ່ມຕົ້ນ​ໄວ

ເລີ່ມຕົ້ນກັບ Speech to Speech AI API ໃນພາຍໃຕ້5ນາທີ.

URL ພື້ນຖານ
https://api.speechtospeechai.com/v1
1. ເລີ່ມ​ວຽກ

ເຄື່ອງມືທຸກຢ່າງແມ່ນ POST ດ້ວຍ​ກູ​ບ API ຂອງທ່ານ. ຄໍາຕອບແມ່ນ​ຕົວ​ເລກ​ວຽກ, ບໍ່ແມ່ນ​ສຽງ.

cURL
curl -X POST https://api.speechtospeechai.com/v1/tts/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "text=Hello! Welcome to Speech to Speech AI." \
  -F "model=kokoro" \
  -F "voice_id=af_heart" \
  -F "format=mp3"

{"uuid": "3f2c...", "job_id": "...", "status": "queued"}
2. ເລືອກເອົາຜົນການກວດສອບ

ຖາມວຽກທຸກໆ ສອງສາມ ວິນາທີ ຈົນໄປຮອດ ສະຖານະ​ທີ່​ສຳເລັດ, ຫຼັງຈາກນັ້ນ ດາວໂຫລດ result_ url.

cURL
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.mp3"}

ການ​ផ្ទៀង​ផ្ទាត់​ຄວາມ​ຖືກຕ້ອງ

ຄໍາຮ້ອງຂໍ API ທັງໝົດຕ້ອງການການຢັ້ງຢືນຜ່ານກ່ອງ API ໃນ Authorization ຫົວ​ຂໍ້

ຫົວ
Authorization: Bearer YOUR_API_KEY
ເອົາ​ກຸນແຈ API ຂອງທ່ານ​ຈາກ​ ​ບັນຊີ​.

ສຽງ​ແບບ​ຄລາສສິກ

POST /v1/voice-clone/

ເວົ້າຂໍ້ຄວາມ​ໃນ​ສຽງ​ຂອງ​ການ​ບັນທຶກ​ການ​ອ້າງອີງ​ສັ້ນໆ

ຕົວ​ຮ້ອງ​ຂໍ (ຫຼາຍສ່ວນ/ຂໍ້ມູນແບບຟອມ)
ຕົວ​ເລືອກ​ ປະເພດ ຕ້ອງການ ຄໍາ​ອະທິບາຍ
reference_audio file ​ແມ່ນ ການບັນທຶກສຽງທີ່ຈະຖ່າຍທອດ (ແນະນຳ 10-30 ວິນາທີ, ສູງສຸດ 60)
text string ​ແມ່ນ ຂໍ້ຄວາມ​ທີ່ຈະເວົ້າ​ດ້ວຍ​ສຽງ​ນັ້ນ
model string ​ບໍ່​ໄດ້​ chatterbox, openvoice, tortoise ຫຼື gpt-sovits
language string ​ບໍ່​ໄດ້​ ລະຫັດ​ພາສາ (ຕົວ​ອ້າງ​ອີງ: en)
ຕອບ​ໂຕ້

ລະຫັດ​ຕົວ​ຕົນ​ວຽກ (uuid). ສອບຖາມ GET /v1/speech/results/?uuid= ຈົນກວ່າ​ສະຖານະ​ຈະ​ສຳເລັດ ແລະ ດາວໂຫລດ result_url.

ຂໍ້ຄວາມ​ເປັນ​ການ​ເວົ້າ

POST /v1/tts/

Convert text to speech audio.

ຕົວ​ຮ້ອງ​ຂໍ (ຫຼາຍສ່ວນ/ຂໍ້ມູນແບບຟອມ)
ຕົວ​ເລືອກ​ ປະເພດ ຕ້ອງການ ຄໍາ​ອະທິບາຍ
text string ​ແມ່ນ ຂໍ້ຄວາມ​ທີ່​ຈະ​ປ່ຽນ​ແປງ (ສູງສຸດ 5000 ຕົວ​ອັກສອນ)
model string ​ບໍ່​ໄດ້​ kokoro (ປັ​ນ​ເດີມ), piper, vits ຫຼື bark
voice_id string ​ບໍ່​ໄດ້​ ລະຫັດສຽງຈາກ GET /v1/speech/voices/?model=
language string ​ບໍ່​ໄດ້​ ລະຫັດ​ພາສາ (ຕົວ​ອ້າງ​ອີງ: en)
speed float ​ບໍ່​ໄດ້​ ຕົວເພີ່ມ​ຄວາມ​ໄວ (0.5- 2.0, ແບບ​ເດີມ 1.0)
format string ​ບໍ່​ໄດ້​ wav (ປັ​ດ​ເດີ), mp3, ogg ຫຼື flac. ແທັກ SSML ຈະ​ຖືກ​ເອົາ​ອອກ​ກ່ອນ​ການ​ປະສົມ​ປະສານ.
ຕອບ​ໂຕ້

ລະຫັດ​ຕົວ​ຕົນ​ວຽກ (uuid). ສອບຖາມ GET /v1/speech/results/?uuid= ຈົນກວ່າ​ສະຖານະ​ຈະ​ສຳເລັດ ແລະ ດາວໂຫລດ result_url.

ແປ​ຄຳ​ເວົ້າ​ເປັນ​ຂໍ້​ຄວາມ

POST /v1/transcribe/

ແປ​ສຽງ​ເປັນ​ຂໍ້ຄວາມ​ດ້ວຍ​ເວລາ​ທີ່​ໄດ້​ຕັ້ງໄວ້

ຕົວ​ຮ້ອງ​ຂໍ (ຫຼາຍສ່ວນ/ຂໍ້ມູນແບບຟອມ)
ຕົວ​ເລືອກ​ ປະເພດ ຕ້ອງການ ຄໍາ​ອະທິບາຍ
file file ​ແມ່ນ ໄຟລ໌​ສຽງ/ວີດີໂອ​ທີ່ຈະ​ແປ
model string ​ບໍ່​ໄດ້​ ຂະຫນາດໃຫຍ່- v3 (ປັ້​ນ​ເດີມ) ຫຼື turbo
language string ​ບໍ່​ໄດ້​ ລະຫັດພາສາ, ຫຼື ກວດພົບ​ມັນ​ໂດຍ​ອັດຕະໂນມັດ (ປັ​ນ​ເດີມ)
enable_word_timestamps bool ​ບໍ່​ໄດ້​ ເພີ່ມ​ເວລາ​ເລີ່ມຕົ້ນ ແລະ ເວລາ​ຈົບ​ໃຫ້​ກັບ​ຄໍາ​ທຸກໆ​ຄຳ
callback_url string ​ບໍ່​ໄດ້​ URL ທີ່​ຈະ​ຮັບ​ຜົນ​ໂດຍ​ POST ເມື່ອ​ວຽກ​ຈົບ
ຕອບ​ໂຕ້

ລະຫັດ​ຕົວ​ຕົນ​ວຽກ (uuid). ສອບຖາມ GET /v1/transcribe/results/?uuid= ຈົນກວ່າ​ສະຖານະ​ຈະ​ສຳເລັດ; ຫຼັງຈາກນັ້ນ​ຄຳຕອບ​ຈະ​ມີ​ຂໍ້ຄວາມ, ພາສາ ແລະ ພາກ.

ແບບທີ່​ມີ

ແບບ​ແບບ​ຂໍ້​ຄວາມ​ເປັນ​ຄຳ​ເວົ້າ
លេខ​សម្គាល់​ແບບ ຄໍາ​ອະທິບາຍ ດີທີ່ສຸດ ສຳ ລັບ
kokoro TTS ຫຼາຍພາສາ​ທີ່​ໄວ ການນໍາໃຊ້ທົ່ວໄປ, ເວລາລໍຖ້າຕ່ໍາ
piper TTS ພາສາ​ຫຼາຍໆພາສາ​ທີ່​ເບົາ​ (ມີ​ແຕ່​ສຽງ​ທີ່​ມີ​ໃບອະນຸຍາດ​ທາງ​ການຄ້າ) ສະແດງ​ໄວ​ໃນ​ພາສາ 11 ພາສາ
vits LJSpeech ເພີ່ມ​ຂຶ້ນ​ກັບ​ຜູ້​ເວົ້າ​ພາສາ​ອັງກິດ​ 108 VCTK ຕົວອັກສອນ​ພາສາ​ອັງກິດ
bark Generative TTS, 130 ຕົວເລືອກກ່ອນໃນ 13 ພາສາ ຫຼາຍ​ແບບ, ສະແດງ​ອອກ​ (ຊ້າ)
openvoice ການ​ກັ່ນຕອງ​ສຽງ ແລະ ການ​ປ່ຽນ​ສຽງ​ແບບ​ເລືອກ ຕົວເລືອກ​ອື່ນ​ສຳລັບ Chatterbox
chatterbox ການ​ກັ່ນຕອງ​ສຽງ​ແບບ Zero-shot ໃນ 23 ພາສາ; ແບບ​ການ​ປ່ຽນ​ສຽງ​ແບບ​ປັ​ບ​ອັບ ຖ່າຍ​ແບບ​ຈາກ​ຕົວຢ່າງ​ສັ້ນ
Speech-to-Text Models
លេខ​សម្គាល់​ແບບ ຄໍາ​ອະທິບາຍ ດີທີ່ສຸດ ສຳ ລັບ
whisper-large-v3 OpenAI Whisper Large v3 ຄວາມຖືກຕ້ອງສູງທີ່ສຸດ, ຫຼາຍພາສາ
whisper-turbo ເພີ່ມ​ຄວາມ​ໄວ​ຂອງ​ການ​ເວົ້າ​ໃຫ້​ດີ​ຂຶ້ນ ແປ​ເປັນ​ພາສາ​ອື່ນ​

ລະຫັດ​ຂໍ້ຜິດພາດ

ລະຫັດ ສະຖານະ ຄໍາ​ອະທິບາຍ
invalid_api_key 401 ບໍ່ມີ​ກຸນແຈ API ຫຼື ບໍ່ຖືກຕ້ອງ
insufficient_credits 402 ບໍ່ມີ​ຄະແນນ​ພຽງພໍ​ສຳລັບ​ການ​ປະຕິບັດ​ການ​ນີ້
rate_limit_exceeded 429 ຄໍາຮ້ອງຂໍ​ຫຼາຍ​ເກີນໄປ
invalid_request 400 ເນື້ອໃນ​ຂອງ​ຄໍາຮ້ອງຂໍ​ບໍ່​ຖືກ​ສ້າງ​ຂຶ້ນ​ຢ່າງ​ຖືກຕ້ອງ
model_not_found 404 ບໍ່​ມີ​ແບບທີ່​ໄດ້​ຮ້ອງຂໍ
voice_not_found 404 ບໍ່ມີ​ສຽງ​ທີ່​ໄດ້​ຮ້ອງຂໍ
file_too_large 413 ໄຟລ໌​ທີ່​ໄດ້​ອັບໂຫລດ​ເກີນ​ຂອບເຂດ​ຂະໜາດ
server_error 500 ម៉ាស៊ីន​បម្រើ​ມີ​កំហុស​ພາຍ​ក្នុង